“Un científico de datos es alguien que es mejor en estadística que cualquier ingeniero de software y mejor en ingeniería de software que cualquier estadístico”.
Creo que para ser un científico de datos exitoso necesitarás ciertas habilidades como:
- Matemáticas (por ejemplo, álgebra lineal, cálculo y probabilidad)
- Estadísticas (por ejemplo, pruebas de hipótesis y estadísticas resumidas)
- Herramientas y técnicas de aprendizaje automático (p. Ej., Vecinos más cercanos, bosques aleatorios, métodos de conjunto, etc.)
- Habilidades de ingeniería de software (por ejemplo, computación distribuida, algoritmos y estructuras de datos)
- Minería de datos
- Limpieza de datos y munging
- Visualización de datos (por ejemplo, ggplot y d3.js) y técnicas de informes
- Técnicas de datos no estructurados.
- Idiomas R y / o SAS
- Bases de datos SQL y lenguajes de consulta de bases de datos
- Python (más común), C / C ++ Java, Perl
Esta lista siempre está sujeta a cambios. Como sugiere Anmol Rajpurohit, “las habilidades genéricas de programación son mucho más importantes que ser expertos en un lenguaje de programación en particular”.
- ¿Por qué es difícil conseguir un trabajo en India?
- ¿Qué tipo de trabajo está disponible para los principales doctores en óptica?
- ¿Cuáles son los componentes esenciales en el currículum de un buscador de trabajo experimentado?
- ¿Hay espacio para un nuevo agente inmobiliario?
- ¿Es bueno hacer entrenamiento en mainframe? ¿Se puede conseguir un trabajo en un nivel más fresco en un mainframe?
Hay una variedad de cursos que se ofrecen en línea para Data Science. Sin embargo, siempre recomendaría ir con el aprendizaje inmersivo. El aprendizaje inmersivo es una gran cosa en el aprendizaje corporativo. El aprendizaje inmersivo es una última tendencia en los institutos corporativos de aprendizaje y capacitación. En pocas palabras, se trata de trabajo real, problemas reales, datos reales, escenarios reales del lugar de trabajo y experiencia real en el terreno.
En GreyAtom ponemos énfasis en el aprendizaje inmersivo que en realidad significaría:
- Replicando posibles escenarios de trabajo
- Aprendizaje interactivo
- Enseñar habilidades o técnicas particulares
- aprender = hacer trabajo real
- Aprendizaje práctico
- Trabajando en equipo, aprendiendo del instructor
- Menos basado en el aula
- Más proyecto / estudio de caso basado
- Manejo de problemas reales, datos reales, escenarios reales, flujo de trabajo real
- Herramientas que reflejan la industria, herramientas y estructuras alineadas a la industria.
- Imitando una situación o escenario que enfrentan la industria / empresas
- O llevar a cabo proyectos basados en escenarios de trabajo reales
- Juego de roles y realización de una tarea como se hace en el lugar de trabajo.
- Capacitación para la industria antes de ser contratado.
- Buscando alternativas para la gestión tradicional de proyectos / escenarios / problemas
- Fases cortas de trabajo, reevaluación frecuente, adaptación de planes.
- Scrum sprints: evaluación colaborativa, agradable y rápida, entrega de productos en ciclos cortos, retroalimentación rápida, mejora continua
- Scrum sprints: creación de lugares de trabajo alegres y sostenibles
- Los sprints ágiles mejoran la comunicación, el trabajo en equipo y la velocidad.
En GreyAtom, con nuestro plan de estudios ágil, listo para la industria y monitoreo activo de carrera, estaremos allí en cada paso de su viaje para llegar al destino final de convertirse y trabajar como ingeniero de ciencia de datos de Full Stack. Tendrá un historial de contribuciones de código abierto y ayudará a la comunidad más amplia de ingeniería de software (a través de Github, StackOverflow, un blog o similar). Puede consultar el plan de estudios haciendo clic en este enlace Full Stack Data Science Engineering | Greyatom
Los datos realmente impulsan todo lo que hacemos. Si le apasiona la ciencia de datos y desea redefinir su carrera, visítenos en el programa en el sitio de GreyAtom: ciencia de datos, aprendizaje automático, Big Data
Creemos que “Aprender = hacer trabajo real”
Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudar a las personas a encontrar carreras sostenibles en Data Science es mi pasión.